Umi-OCR：开源离线文字 OCR 识别工具，支持多平台批量处理

在数字化办公与学习场景中，快速、准确地从图像或文档中提取文字已成为刚需。然而，许多 OCR（光学字符识别）工具依赖网络连接、收费高昂，或缺乏对复杂排版和批量任务的支持。Umi-OCR 正是一款为解决这些问题而生的免费、开源、离线运行的文字识别软件。

Umi-OCR 的核心优势在于其完全离线、无需联网即可运行，所有代码与引擎均开源，保障用户隐私与数据安全。软件内置高效率的离线 OCR 引擎（支持 PaddleOCR 与 RapidOCR），并提供截图识别、批量图片处理、PDF 文档解析、二维码读取与生成等丰富功能，同时支持命令行调用与 HTTP 接口，便于集成到自动化流程中。

核心功能模块

1. 截图 OCR

通过全局快捷键唤起截图工具，即时识别屏幕任意区域的文字。识别结果以文本块形式展示，支持鼠标划选复制。软件还具备“排版解析”后处理功能，可智能识别多栏、横排或竖排（从右至左）布局，并按自然段落规则输出，大幅提升可读性。此外，支持公式识别（需特定插件），满足学术与技术文档处理需求。

2. 批量 OCR

支持一次性导入数百张本地图片（JPG、PNG、WebP、BMP、TIFF 等格式），自动批量识别并导出为 TXT、JSONL、Markdown 或 CSV（Excel 兼容）格式。独创的“忽略区域”功能允许用户绘制矩形框排除水印、LOGO 等干扰元素，仅保留有效文本内容。任务完成后可设置自动关机或休眠，提升无人值守效率。

3. 文档识别

可处理 PDF、XPS、EPUB、MOBI 等多种电子书与文档格式。对于扫描版 PDF，Umi-OCR 能执行 OCR 并生成“双层可搜索 PDF”，既保留原始图像，又嵌入可选中文本。同样支持“忽略区域”设定，用于过滤页眉页脚等固定内容。

4. 二维码功能

支持读取与生成二维码及条形码，兼容 19 种协议（包括 QRCode、DataMatrix、PDF417、EAN13 等）。可识别单图中的多个码，并支持自定义纠错等级与输出参数。

灵活部署与高级扩展

多平台安装方式

• Windows：提供 .7z 压缩包、自解压包，亦可通过 Scoop 安装（支持 PaddleOCR 或 RapidOCR 引擎版本）。
• Linux：提供 Shell 脚本及运行库，适配主流发行版。
• 国内用户：推荐通过蓝奏云链接下载，免注册且不限速。

开发者友好

Umi-OCR 提供完整的命令行接口（CLI）与 HTTP API，便于与其他系统集成。项目采用模块化设计，OCR 引擎以插件形式加载，用户可自由切换或扩展。源码结构清晰，包含 Python 核心逻辑、Qt 界面资源及多语言翻译文件，支持二次开发。

个性化设置

软件支持多国语言（含简体/繁体中文、英语、日语、俄语、葡萄牙语等），界面主题（亮色/暗色）、字体大小均可自定义。首次启动时自动匹配系统语言，也可在“全局设置”中手动调整。此外，支持开机自启、托盘运行、窗口置顶等实用选项。

未来开发计划

Umi-OCR 由开发者 hiroi-sora 利用业余时间维护，依托 Weblate 平台实现多语言协作翻译，已吸引全球数十位贡献者参与本地化工作。项目在 GitHub 上持续更新，Star 数稳步增长。

未来开发计划包括：重构插件机制、增加在线 OCR 插件、独立数学公式识别模块、GPU 加速、表格识别转 Excel、历史记录系统，以及对 macOS 和 Ubuntu 等更多平台的支持。

获取方式

• GitHub Releases：https://github.com/hiroi-sora/Umi-OCR/releases/latest
• 蓝奏云（国内推荐）：https://hiroi-sora.lanzoul.com/s/umi-ocr
• SourceForge：https://sourceforge.net/projects/umi-ocr

Umi-OCR 凭借其离线、免费、功能全面且高度可定制的特性，为需要高效、安全文字识别解决方案的个人用户、研究者及开发者提供了强大工具，助力构建更高效的数字工作流。